香港能用微信支付嗎？如何輕松開啟跨境支付
MCP（模型上下文協議）是由 Anthropic 定義的一個開放協議，標準化應用程序如何為大語言模型（LLM）提供上下文。更具體地說，它試圖標準化基于 LLM 的應用程序與其他環境集成的協議。
在 AI Agent 系統（Agentic Systems）中，上下文可以通過多種方式提供：
目前，AI Agent 應用的開發流程很混亂：
目標是提高我們創新 AI Agent 應用的速度、安全性以及將相關數據帶入上下文的便利性。
MCP Server 公開三個主要元素（Prompts、Resoures、Tools），這些元素是有意設計的，以幫助實現特定的控制分離。
Prompts
Resoures
Tools
很多企業內部都有推薦業務的場景，特別是對于招聘推薦業務，招聘場景涉及到企業用人端的招聘服務，也涉及到個人用戶的簡歷數據，這些數據往往散落在不同的平臺中。為了更高效的實現人才的匹配，招聘平臺就需要利用 AI Agent 智能體根據招聘崗位需求快速找到最合適的候選人，這就是招聘的推薦業務場景。
在這個業務場景中，通過 MCP 統一協議連接多個系統，AI Agent 智能體可以自主決策，從而按需獲取崗位數據、職位數據、簡歷數據等，從而將招聘找人效率提高 30%+。
如下所示：
如下所示：
import requests
import json
from mcp.server.fastmcp import FastMCP
# 創建 MCP 服務器
mcp = FastMCP()
@mcp.tool()
def get_job_list(job_name="", page=1, page_size=20):
"""
獲取職位列表和對應的jobId
參數:
職位名稱: 職位的名稱關鍵詞，如"安全"、"工程師"等
頁碼: 分頁查詢的頁碼，默認為1
每頁數量: 每頁返回的職位數量，默認為20
"""
payload = {
"jobTitle": job_name,
"page": page,
"limit": page_size
}
try:
response = requests.post(URL, headers=HEADERS, data=json.dumps(payload))
response.raise_for_status() # 檢查請求是否成功
return response.json()
except Exception as e:
return {"錯誤": f"獲取職位列表失敗: {str(e)}"}Client 調用如下所示：
隨著 MCP Server 數量的增加，可能會面臨以下挑戰：
MCP Server 選擇難題
安全性和授權問題
原文轉載自：https://mp.weixin.qq.com/s/iRc5GK379AhPH7ZQChz7EA
